OpenAI discloses six model anomaly cases
This matters because it shows how OpenAI is addressing the issue of AI systems deviating from human intent, a topic of global concern.
Latest
Every published item, in order · 239 items
Sep 17
Chinese contentOpenAI GPT-6 Astra (Max) 在代码竞技场 WebDev 类别中排名第一
OpenAI 新发布的 GPT-6 Astra (Max) 在代码领域表现很强劲，比 GPT-5.6 Sol 强很多，但和 Claude Fable 5.1 比起来，用户更喜欢后者。
Chinese contentGPT-6 Astra 和 Claude Fable 5.1 性能提升但成本更高
OpenAI 和 Anthropic 新发布的模型性能提升明显，但价格也更高，对比一下不同模型的性价比。
Sep 16
Chinese contentImage-to-WebDev Arena更新：四款新模型发布
OpenAI发布了GPT-6 Astra (Max)，在Image-to-WebDev任务上表现最好，比GPT-5.6 Sol好很多。
Sep 15
GPT-6 Astra cuts AI task time nearly in half
For users who rely on AI for efficiency, Astra's speed improvement is a concrete benefit over its predecessor, GPT-5.6 Sol.
Sep 14
Sep 11
Chinese contentDeepSeek V4.1 Flash 性能接近 GPT-5.6，成本仅为其 1/30
DeepSeek 推出了 V4.1 Flash，性能接近 GPT-5.6，但成本只有 1/30，用 15 美元就能跑 100 个复杂任务，性价比很高。
Chinese contentDeepSeek 发布 V4.1 Flash 模型，称其为新架构家族中最小模型
DeepSeek 新发布的 V4.1 Flash 模型，比 V4-Pro 小三分之一，但在很多测试里还比它强，价格也便宜很多，值得看看。
Sep 10
Deepseek releases V4.1-Flash model
This matters because it offers a cheaper alternative for building AI agents, with a quarter of the memory needs of its predecessor.
Sep 9
Sep 7
Sep 6
Astra excels in browser use benchmark
Astra's superior browser automation capabilities could benefit developers in ASEAN building web-based AI applications.
Sep 5
GPT-6 Astra Pelican Comparison
Astra delivers superior image quality at competitive prices, using fewer tokens than GPT-5.6 models for better cost efficiency.
GPT-6 Astra Context Memory
Milvus 3.0's structured memory approach helps developers build more persistent AI agents with searchable histories across time.
Sep 4
Chinese contentOpenAI发布GPT-6 Astra模型
OpenAI新出的GPT-6 Astra能自己操作电脑、写代码，还能发现零日漏洞，但安全限制更严，比Claude Fable 5.1贵2.5倍。
Chinese contentMuse Spark 1.3重回WebDev编程榜前十
Meta的Muse Spark 1.3在编程榜单上跃升20多位，性能接近Claude和GPT-5.6，工具调用减少20%。
Sep 3
Chinese contentMeta 发布 Muse Spark 1.3 模型
Meta 新出的 Muse Spark 1.3 编码能力超 GPT-5.6，工具调用减少 20%，还支持长线程多任务处理。
Sep 2
Sep 1
Aug 30
Aug 29
Zhipu releases GLM-5.3 model weights
GLM-5.3 offers advanced AI capabilities for coding and cybersecurity at lower cost than closed-source alternatives, with commercial use permitted under specific terms.
Aug 28
Aug 26
GPT-5.6 Sol runs Doom on Codex-R32
Codex-R32 showcases how AI can design functional processors, potentially accelerating custom hardware development for specific applications.
IT之家Source
Aug 25
Chinese contentPareto更新：OpenAI最新定价下，GPT-5.6 Sol和Luna重塑Pareto前沿...
OpenAI降低了GPT-5.6 Sol的API和信用定价，使其在价格和性能上更具竞争力，值得关注。
Aug 24
Aug 23
Aug 22
Aug 21
Chinese contentOpus 5 与 GPT-5.6 Sol 在浏览器任务上表现接近
Opus 5 和 GPT-5.6 Sol 在一个新浏览器基准上打平了，这个基准是真实用户任务，评估标准很细，看看谁更会上网吧。
Aug 20
Alibaba launches Qwen-UI-Agent model
Qwen-UI-Agent outperforms major models in GUI tasks across mobile, desktop and web environments, with real device testing showing near-perfect performance.
IT之家Source
Aug 19
Aug 18
Chinese contentGPT-5.6 Sol 在 ARC-AGI-3 上从 13.3% 跃升至 38.3%，输出 token 减少约 6 倍
OpenAI 的 GPT-5.6 Sol 在 ARC-AGI-3 上分数翻倍还多，token 还省了六倍，看看他们怎么做到的。
Aug 15
Chinese contentMoonshot AI新基准PerceptionBench：多模态模型视觉感知准确率不足60%
Moonshot AI 出了个新测试 PerceptionBench，专门查 AI 的“眼神”。结果最强模型 GPT-5.6 Sol 准确率也不到 60%，而且很多错是从看图时就错了。
Aug 14
Chinese contentGPT-5.6 Sol 低推理强度超越 GPT-5.5 高推理强度
OpenAI 的 GPT-5.6 Sol 在低推理强度下就超过了 GPT-5.5 的高推理强度表现，还更省 Token，你可以直接上手试试。
Chinese contentOpenAI预览Ultrafast模式：GPT-5.6 Sol速度提升14倍
OpenAI给GPT-5.6 Sol开了14倍速模式，先在API小范围试水，做开发的朋友可以紧盯后续扩容。
Chinese contentOpenAI 预览 GPT-5.6 Sol 超快模式，速度提升 14 倍
OpenAI 刚展示了 GPT-5.6 Sol 的 Ultrafast 模式，速度拉到 14 倍，API 客户能先尝鲜。
